屋型拓扑粒子群优化算法与工程优化问题求解

吉林大学学报(理学版) ›› 2024, Vol. 62 ›› Issue (6): 1384-1390.

屋型拓扑粒子群优化算法与工程优化问题求解

高铭晗¹, 王丽敏², 黄锐露²，张宇飞³，李明洋⁴

1. 长春工业大学计算机科学与工程学院, 长春 130012； 2. 广东财经大学信息学院, 广州 510320;
3. 长春大学计算机科学技术学院，长春 130022； 4. 长春工业大学经济管理学院，长春 130012

收稿日期:2023-06-12 出版日期:2024-11-26 发布日期:2024-11-26
通讯作者: 王丽敏 E-mail:20211016@gdufe.edu.cn

House Topology-Based Particle Swarm Optimization Algorithm and Solution to Engineering Optimization Problems

GAO Minghan¹, WANG Limin²， HUANG Ruilu², ZHANG Yufei³, LI Mingyang⁴

1. School of Computer Science & Engineering, Changchun University of Technology, Changchun 130012, China；
2. School of Information Science, Guangdong University of Finance and Economics, Guangzhou 510320, China;
3. School of Computer Science and Technology, Changchun University, Changchun 130022, China;
4. School of Economics and Management, Changchun University of Technology, Changchun 130012, China

Received:2023-06-12 Online:2024-11-26 Published:2024-11-26

摘要/Abstract

摘要： 针对粒子群优化算法在优化复杂工程问题时存在搜索效率低和易陷入局部最优的问题, 提出一种屋型拓扑粒子群优化算法. 该算法通过提出屋型拓扑和设计适应其特性的位置更新策略, 改善粒子群优化算法信息传递和交流方式, 提升算法的收敛速率和全局优化能力. 在基准函数上的对比实验结果表明, 屋型拓扑粒子群算法的寻优精度、收敛速度和稳定性均优于其他4种改进算法. 在3个实际工程优化问题上的仿真实验结果进一步验证了该算法的有效性和实用性.

关键词: 屋型拓扑, 粒子群优化算法, 工程优化问题, 基准函数, 仿真实验

Abstract: Aiming at the problems of low search efficiency and susceptibility to local optima in particle swarm optimization algorithm for optimizing complex engineering problems, we proposed a house topology-based particle swarm optimization algorithm. By
proposing a house topology and designing a position update strategy tailored to its characteristics, the algorithm improved the information transmission and communication methods of particle swarm optimization algorithm, thereby enhancing the convergence rate and global optimization capability of the algorithm. The comparative experimental results on benchmark
functions show that the optimization accuracy, convergence speed, and stability of the house topology-based particle swarm optimization algorithm are superior to the other 4 improved algorithms. The simulation results on 3 real-world engineering optimization problems further validate the effectiveness and practicality of the proposed algorithm.

Key words: house topology, , particle swarm optimization algorithm, engineering optimization problem, benchmark function, simulation experiment

中图分类号:

TP301.6

高铭晗, 王丽敏, 黄锐露, 张宇飞, 李明洋. 屋型拓扑粒子群优化算法与工程优化问题求解[J]. 吉林大学学报(理学版), 2024, 62(6): 1384-1390.

GAO Minghan, WANG Limin, HUANG Ruilu, ZHANG Yufei, LI Mingyang. House Topology-Based Particle Swarm Optimization Algorithm and Solution to Engineering Optimization Problems[J]. Journal of Jilin University Science Edition, 2024, 62(6): 1384-1390.

[1]	赵红梅, 肖明, 白宇, 王磊. 面向用户偏好的动态网页数据交互式查询算法[J]. 吉林大学学报(理学版), 2024, 62(2): 417-0422.
[2]	于生宝, 房钰, 高丽辉, 刁庶. 基于改进粒子群优化算法的可控发射电流频率SHEPWM控制方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1207-1214.
[3]	袁开银, 王峰. 基于指标选择和加权融合的无线传感器网络安全风险评估[J]. 吉林大学学报(理学版), 2020, 58(4): 937-943.
[4]	金晓民, 张丽萍, 李慧静. 控制活动轮廓演化的快速图像分割方法[J]. 吉林大学学报(理学版), 2020, 58(3): 639-644.
[5]	史肖冰, 郭德贵, 曹捷. 基于自适应Hata模型的无线电发射源定位方法[J]. 吉林大学学报(理学版), 2020, 58(1): 109-112.
[6]	郭玉洁, 张强, 袁和平. 一种双种群协同多目标粒子群优化算法及应用[J]. 吉林大学学报(理学版), 2019, 57(5): 1155-1162.
[7]	刘帅, 刘元宁, 庄述鑫, 侯铭楷, 陈静, 张水涵. 自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别[J]. 吉林大学学报(理学版), 2019, 57(2): 331-338.
[8]	张淑华, 李平. 基于组合智能算法的无线网络信道分配机制[J]. 吉林大学学报(理学版), 2019, 57(1): 139-144.
[9]	王宏志, 姜方达, 周明月. 基于粒子群优化的认知无线电功率分配算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1483-1487.
[10]	杨雪, 董红斌, 董宇欣. 改进的量子粒子群优化算法对多维多选择背包问题的求解[J]. 吉林大学学报(理学版), 2018, 56(6): 1461-1468.
[11]	晁妍, 王诗兵, 王慧玲. 基于奇异值分解和粒子群优化算法的图像水印算法[J]. 吉林大学学报(理学版), 2018, 56(5): 1163-1169.
[12]	刘洋. 基于改进粒子群优化算法的图像分割[J]. 吉林大学学报(理学版), 2018, 56(4): 959-964.
[13]	楼国红, 张剑平. 粒子群算法修正测距的无线传感器网络节点定位[J]. 吉林大学学报(理学版), 2018, 56(3): 650-656.
[14]	梁晔, 郝洁, 石蕊. 基于小波神经网络的数字信号调制方式识别[J]. 吉林大学学报(理学版), 2018, 56(2): 382-388.
[15]	莫才健, 武锋强, 陈莉, 邹强. 基于量子粒子群算法选择特征的遥感图像分类[J]. 吉林大学学报(理学版), 2018, 56(2): 368-374.